Comprendre la référence :
Quel est le concept de bout en bout dans le deep learning ?
De bout en bout signifie que l'entrée correspond aux données d'origine et la sortie est le résultat final ;
Les entrées non de bout en bout ne sont pas des données brutes directes, mais des fonctionnalités extraites des données brutes. Par exemple, la classification des caractéristiques implique l'extraction manuelle des caractéristiques de l'image et la classification des images, ce qui n'est pas un processus de bout en bout. L'extraction de fonctionnalités nécessite suffisamment d'expérience, et plus la quantité de données est grande, plus c'est difficile. Dans ce contexte, un réseau de bout en bout a émergé, où les fonctionnalités peuvent apprendre par elles-mêmes et le processus d'extraction de fonctionnalités est intégré dans l'algorithme. .